likesimba9/blackjack_q_learning

Как то я уже делал агента для игры в blackjack. Решил провалидировать мои результаты с помощью Claude Code. В прошлой версии у меня вышло: Q-learning + подсчёт карт + сплит давали плюс. С помощью Claude Code перепроверил код — и плюс исчез. «Выигрыш» держался на двух тихих багах: — бутстрап в терминальных состояниях (агент тянул «будущую награду» из уже закончившихся раздач); — сломанный график epsilon (исследование не затухало, а росло). После фикса казино честно выигрывало во всех вариантах. Хуже того — подсчёт и сплит делали только хуже: раздували Q-таблицу до сотен тысяч состояний, которые нечем заполнить. 🛠 Что пришлось изменить, чтобы выйти в плюс по-настоящему: ① убрать счёт из состояния игры — играем простую базовую стратегию (~280 состояний); ② вернуть счёт в размер ставки (bet spread по true count); ③ углубить пенетрацию колоды. 📈 Результат. Матожидание в плюсе по-честному — не только «на раунд», но и на единицу денег (+0.4…0.7%). Ссылка на английскую версию статьи на medium . Ссылка на репозиторий (в репозитории лежит обновленная версия статьи и на русском языке).